Scenario Synthesis and Macroeconomic Risk
情景合成与宏观经济风险AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：题名和摘要直接讨论宏观风险情景与政策机构的统计预测合成。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
情景合成与宏观经济风险
- 研究问题
- 如何把政策机构的判断性情景叙述与统计模型预测结合起来，系统评估情景风险，并处理给定情景集合不完整的问题？
- 方法与思路
- 作者建立贝叶斯框架，衡量情景与参考预测模型的一致性，通过预测合成使情景匹配参考预测，并处理情景遗漏。
- 材料陈述的贡献
- 摘要称该框架可整合不同情景风险、量化相对于参考预测的情景支持度，并帮助政策机构清晰沟通不断变化的风险。
- 阅读关注点
- 应核对一致性指标、参考模型的选择、情景合成权重和不完整性处理，以及相对支持度如何随参考预测改变。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明模型形式与实证结果，情景支持度也依赖指定参考预测，不能视为绝对可信度。
原文摘要
We introduce methodology to bridge scenario analysis and model-based risk forecasting, leveraging their respective strengths in policy settings. Our Bayesian framework addresses the fundamental challenge of reconciling judgmental narrative approaches with statistical forecasting. Analysis evaluates explicit measures of concordance of scenarios with a reference forecasting model, delivers Bayesian predictive synthesis of the scenarios to best match that reference, and addresses scenario set incompleteness. This underlies systematic evaluation and integration of risks from different scenarios, and quantifies relative support for scenarios modulo the defined reference forecasts. The framework offers advances in forecasting in policy institutions that supports clear and rigorous communication of evolving risks. We also discuss broader questions of integrating judgmental information with statistical model-based forecasts in the face of unexpected circumstances.